fmri data | BriefGPT - AI 论文速递

关键词fmri data

搜索结果 - 12

BrainMAE: 脑信号的区域感知自监督学习框架
利用功能磁共振成像 (fMRI) 和深度学习方法，我们提出一种名为 BrainMAE 的大脑掩码自编码器，能够从 fMRI 时间序列数据中学习表示，捕捉大脑活动的丰富时间动态并对数据中固有的噪声具有强大的鲁棒性，并在四个不同的下游任务中显著
PDF10 days ago
基于计算机深度学习的脑部疾病 MRI 特征提取数据处理系统研究
通过矩阵操作结合混合噪声消除方法和小波分析，取代传统的迭代算法，实现功能性磁共振成像数据的处理，计算时间最快且检测效果可与传统迭代算法相媲美，提高了处理功能性磁共振成像数据的实用价值。
PDF11 days ago
脑力到图像：将大脑的视觉心理想象从 fMRI 投影出来
通过 fMRI 数据和修改的 fMRI-to-image 模型，我们首次在记忆和纯想象两种模式下，从视觉想象中重建图像的可行性，从而迈出了直接重建视觉想象的技术的重要一步。
PDF3 months ago
透视他们的思维：从跨受试者的 fMRI 学习可迁移的神经表达
我们提出了一种新的方法来解决功能磁共振成像（fMRI）数据稀缺和噪声干扰脑解码模型性能的问题，通过浅层主体特定适配器将跨学科的 fMRI 数据映射到统一的表示中，然后使用共享的深层解码模型将跨学科特征解码为目标特征空间，利用视觉和文本监督进
PDF4 months ago
fMRI 数据的因果发现：挑战、解决方案和案例研究
该研究讨论了应用因果发现分析功能磁共振成像数据时所面临的挑战和需要进行的决策，通过回顾最近的案例研究并识别现有的方法间的差距，表明因果发现是分析功能磁共振成像数据的一种有效方法，但目前的因果发现方法仍有改进的空间。
PDF6 months ago
一种基于功能连接性的生成式自监督框架用于 fMRI 数据
利用动态功能连接图中的时空信息，我们提出了一种生成式自监督学习方法，通过大规模 fMRI 数据集的实证结果表明，我们的方法在下游任务的微调中能够学习到有价值的表示，并构建出准确且稳健的模型。
PDF7 months ago
高效存储大规模四维功能性磁共振成像的紧凑隐式神经表示
该研究论文提出了一种针对功能磁共振成像（fMRI）数据的压缩新模式，基于隐式神经表示（INR），通过去除时间序列中的各种冗余，包括空间相关建模、分解可重用的神经激活模式以及描述区域间相似性的适当初始化和非线性融合，成功结合了 fMRI 数据
PDF7 months ago
ICML通过功能性脑网络生成进行有效和可解释的 fMRI 分析
本文提出了一个可训练的流程，以促进 fMRI 数据的分析和下游预测任务。结果表明，该流程能够更有效并独特地进行解释。
PDF3 years ago
通过时空卷积神经网络（ST-CNN）对 4D fMRI 数据进行建模
使用 ST-CNN 算法对 4D fMRI 数据进行空间 - 时间建模，并自动准确定位功能网络，ST-CNN 通过联合学习空间和时间模式来确保准确识别 Default Mode Network（DMN）。
PDF6 years ago
一种约束的加权 L1 最小化方法，用于联合发现异质神经连接图
该研究提出了一种新的带加权的 L1 多任务图模型（W-SIMULE）来学习脑连接性，通过应用于 fMRI 数据，成功的确定了与自闭症有关的四个关键领域，W-SIMULE 可有效地估计连接并适用于各种数据类型。
PDF7 years ago
AAAI多主体 fMRI 数据对齐的本地判别超对齐
本文提出了一种新的高级对齐方法 —— 局部判别式超对齐 (Local Discriminant Hyperalignment)，它将局部性与多变量图案分类 (Multivariate Pattern classification) 相结合，
PDF8 years ago
从功能性磁共振时间序列估计时变脑连通网络
本文介绍了一种基于 Smooth Incremental Graphical Lasso Estimation (SINGLE) 算法的动态脑网络建模方法。通过应用 SINGLE 算法来分析 24 位健康患者进行选择 - 反应任务的功能磁共
PDF11 years ago